Placeres

El arma secreta del Liverpool: el análisis de datos

El club inglés terminó una de sus mejores temporadas gracias, en parte, a cómo ha hecho sus cuentas computacionales sobre el desempeño de sus jugadores.
  • liverpool campeón

    Sadio Mané, una de las estrellas del Liverpool campeón de la Champions. Fotografía de depositphotos

x

|Si quieres recibir nuestro contenido en tu bandeja de entrada, regístrate aquí.|

Jürgen Klopp llevaba apenas tres semanas como entrenador del Liverpool cuando el director de análisis del equipo, Ian Graham, llegó a su oficina con un puñado de papeles. Era noviembre de 2015. Graham quería mostrarle a Klopp —a quien no había conocido hasta ese momento— qué se podía hacer con su trabajo, y esperaba persuadirlo para que lo aprovechara.

Graham puso los papeles sobre la mesa y empezó a hablar sobre un partido que el Borussia Dortmund, el club alemán que Klopp había dirigido antes del Liverpool, había jugado la temporada anterior. Le hizo notar que el Dortmund tuvo muchas oportunidades contra el Mainz, un club más pequeño que terminó en undécimo en la liga. Aun así, el equipo de Klopp perdió 2-0. “Ah, ¿viste ese juego! Fue una locura, los estábamos aniquilando. ¡Lo viste!”, le dijo Klopp.

Graham no había visto el partido. Sin embargo, unos meses antes,  cuando en el Liverpool debatían quién debía ser su nuevo director técnico, Graham creó un modelo matemático computacional con todos los pases, tiros y barridas de los jugadores del Dortmund bajo el mando de Klopp.

Luego calificó cada uno de los partidos del Dortmund en función de cómo sus cálculos evaluaron a sus jugadores ese día. La diferencia fue sorprendente. El Dortmund había terminado séptimo en la última temporada de Klopp en la Bundesliga, pero el modelo determinó que debía haber terminado segundo. La conclusión de Graham fue que la decepcionante temporada no tuvo nada que ver con el entrenador: Klopp había estado a la cabeza de uno de los equipos con menos suerte en los años recientes.

En el fútbol, la suerte puede tener mucha mayor influencia que en otros deportes. Los goles son relativamente poco frecuentes. En la Premier League inglesa, el promedio es de tres por partido. El que un disparo termine dentro de la red o justo arriba del travesaño tiene un efecto mucho más claro en el resultado final que un homerun en el béisbol, o que un corredor de la NFL avance las yardas necesarias para lograr otra avanzada.

Graham le mostró a Klopp sus análisis de un partido del Dortmund contra el Hannover. Las estadísticas favorecían aún al club de Klopp: dieciocho tiros a portería contra siete, 55 movimientos con balón en el área en comparación con trece, y once disparos desde el lateral contra tres. “Perdieron 1-0”, le dijo Graham, “pero tuvieron el doble de oportunidades…”.

Klopp casi le grita: “¿Viste ese juego!”.

“No, de hecho…”

“¡Los estábamos aniquilando! Nunca he visto algo así. Debimos haber ganado. ¡Ah, lo viste!”.

Graham no había visto ese partido tampoco. Le dijo  a Klopp que, en realidad no había visto ninguno de los partidos del Dortmund, de esa temporada. Ni en vivo ni en video. No había sido necesario —a menos, claro, que hubiera querido experimentar los impresionantes actos atléticos del fútbol, o el drama de dos equipos que quieren ganar, razones por las que casi todos los aficionados ven deportes. Para entender qué había pasado, Graham solo necesitaba ver los datos.

El análisis de datos se volvió relevante en el béisbol o el baloncesto en estos últimos años. Va a tener, posiblemente, un impacto igual de importante en el fútbol, que no ha utilizado estadísticas para definir jugadas. Graham —PhD en Física Teórica por la Universidad de Cambridge— construyó su propia base de datos para revisar el progreso de más de 100 mil jugadores de todo el mundo. Al recomendarle al Liverpool qué jugadores intentar contratar y cómo aprovechar mejor a los recién llegados, ha ayudado a que el club inglés regrese a la gloria.

El Liverpool acaba de cerrar una de las temporadas más destacadas en la historia reciente del deporte. En la Liga Premier solamente perdió uno de 38 partidos, aunque terminó segundo en la tabla. Manchester City, campeón defensor, lo superó por un solo punto en el último día gracias a que ganó todos y cada uno de sus partidos de liga desde enero. De cualquier modo, el Liverpool rompió un récord: es el club que ha quedado en segundo lugar que logró la mayor cantidad de puntos en la liga en una sola temporada: 97.

Al mismo tiempo, el Liverpool estaba compitiendo contra los grandes equipos de Europa en la Champions League. En el partido de vuelta de las semifinales de ese torneo, a inicios de mayo de 2019, se recuperó de un tres a cero del partido de ida y derrotó al Barcelona, muy posiblemente el mejor equipo de esta era. El 1 de junio siguiente, ganó la Champions.

Más que ningún otro club, el Liverpool ha incorporado el análisis de datos a las decisiones que toma —desde las corporativas hasta las tácticas. Es complicado medir qué tanto ha contribuido eso a su desempeño reciente, pero el ascenso del club ya está volviendo aceptable —por no decir que ha puesto de moda— el análisis de datos en la liga inglesa y en otras.

liverpool champions

Un partido Liverpool versus Manchester City en el estadio de Anfield. El City quedó campeón de la Premier League inglesa a pesar de la impresionante campaña de los diablos rojos. Fotografía de depositphotos

§

Ese día en noviembre de 2015, cuando Graham salió de la oficina de Klopp, el técnico alemán estaba más que convencido. Después hasta se enteró de que no habría sido contratado sin el análisis de Graham sobre la temporada del Dortmund, una de las muchas partes del proceso de investigación que hizo el club para elegir entrenador. “Ese departamento en la parte trasera del edificio”, dijo Klopp sobre Graham y su personal, “es la razón por la que estoy aquí”.

El equipo de análisis de Graham solo puede empujar los resultados hacia una dirección positiva poco a poco, con una recomendación a la vez. Klopp también recibe consejos de fuentes más convencionales, por lo que sus tácticas terminan siendo una mezcla de los datos con la intuición. Para prepararse antes de la semifinal de la Champions, parece que se enfocó en cómo la defensa rápida del Liverpool podía presionar a la delantera del Barcelona e interceptar pases para convertirlos en momentos de contraataque. En gran medida, ese plan funcionó.

Al inicio de la primera vuelta los jugadores del Barça lucían aturdidos. Pero, como suele suceder en el fútbol, la ventaja táctica no resultó en goles de inmediato. En vez de eso, Luis Suárez anotó para los blaugranas y luego, hacia el final del partido, Lionel Messi —uno de los grandes del deporte—, anotó dos más.

Su segundo gol, un tiro libre que se movió en curva alrededor del muro de la defensa y por encima de la mano del portero del Liverpool, pareció mandar el mensaje de que ni la mayor cantidad de preparación analítica puede superar las habilidades trascendentales de un jugador como él. “En esos momentos es imparable”, dijo Klopp sobre Messi.

De hecho, no se consideraba que el fútbol fuera un deporte apropiado para el enfoque de datos descrito en Moneyball, el libro de 2003 escrito por Michael Lewis sobre cómo los Oakland Athletics empezaron a destacar en el béisbo de grandes ligas al usar criterios distintos para evaluar a los jugadores. El fútbol parecía imposible de cuantificar de la misma manera que hits o homeruns.

Otra perspectiva

Graham creció en las afueras de Cardiff, en Gales, y desde entonces era seguidor del Liverpool. En su infancia, en los años setenta y ochenta, el club estaba en su apogeo.

Graham estaba en su segundo año del posdoctorado en Cambridge cuando se dio cuenta de que no quería dedicarse a la Física. Alguien le reenvió un aviso de trabajo en una empresa emergente de análisis que buscaba hacer consultoría para clubes de fútbol y le llamó la atención.

Consiguió el empleo y le dijeron que leyera Moneyball. Pasó cuatro años, de 2008 a 2012, en el Tottenham, con varios técnicos que tenían poco interés en las sugerencias que hacía, como casi cualquier técnico en esa época.

Luego Fenway Sports Club, dueño de los Red Sox, compró al Liverpool y empezó a implementar su cultura inspirada en el béisbol. Contrataron a Graham para que construyera una versión del departamento de análisis de los Red Sox, aunque la reacción en general fue de rechazo dentro del Liverpool. “‘Esos con su laptop’, ‘No conocen el juego’: era lo que se escuchaba por aquí hasta hace unos meses”, recordó Barry Hunter, encargado de buscar y reclutar futbolistas.

Graham no hacía caso de esos comentarios. Estaba sumido en sus análisis en busca de las ineficiencias, de jugadores que no estuvieran siendo aprovechados al máximo. A finales del año pasado, hizo unas gráficas en su computadora y las proyectó sobre una pantalla. Eran estadísticas de goles anotados en total, goles anotados por minuto, oportunidades de gol creadas, y goles esperados. Graham me había dicho que solo tomar en cuenta esas estadísticas puede ser simplista, pero que, al mismo tiempo, “no siempre es necesario ver mucho más”.

Ahora, antes de cada partido, él y tres analistas compilan todo un paquete informativo. A veces sus consejos contradicen lo que pensaría alguien que solo ve el video de los partidos. Graham y su equipo, por ejemplo, podrían reportar con video que un volante por la izquierda manda varios disparos por encima de la defensa rival y hacia la portería, pero los datos indican que los disparos con menos fuerza del delantero derecho, si está bien posicionado, resultan en goles con mayor frecuencia. Suena como una conclusión básica, pero en el fútbol es casi revolucionaria.

La mayor responsabilidad de Graham es ayudar al Liverpool a determinar a qué jugadores contratar. Lo hace al meter en sus fórmulas datos sobre los partidos que jugaron. Lo que no hace es evaluar a los jugadores a partir de videos. “No me gusta verlo, te sesga”, dice. Graham quiere que el club en el que trabaja gane, pero también quiere una validación para sus juicios estadísticos. “Para todos estos jugadores se han discutido los méritos relativos”, dijo. “Y si les va mal lo siento como una afrenta personal. Si creo que alguien es un buen futbolista de verdad, de verdad, quiero que le vaya bien”.

jurgen klopp

El entrenador Jürgen Klopp y el delantero Mohamed Salah en un entrenamiento del Liverpool. Fotografía de depositphotos.

La física del juego

En Melwood, el complejo de entrenamiento del club, en un vecindario residencial de Liverpool, Graham trabaja desde una habitación de muros blancos al final de un pasillo donde están también los entrenadores y la cafetería.

Tim Waskett, quien estudió astrofísica, se sienta a su izquierda. Cerca está Dafydd Steele, excampeón de ajedrez juvenil con un posgrado en matemática que antes trabajaba para la industria energética. Will Spearman es la contratación más reciente del departamento. Tiene un historial igual de inesperado. Creció en Texas, donde hizo un doctorado en física de altas energías en la Universidad de Harvard. Después trabajó en Ginebra, en el CERN (la organización de investigación nuclear), donde los científicos comprobaron la existencia del bosón de Higgs. La tesis de Spearman fue la primera en dar una medida precisa del ancho de la partícula y, posiblemente, la primera en dar la de su masa.

Puede que otro club reclute a un analista como Graham o Steele o Wisket  —tal vez hasta a Spearman. Pero es casi imposible imaginarse que fueran contratados los cuatro por un club que no sea el Liverpool.

Spearman no hace prácticamente nada del trabajo que llegó a manos de Klopp esta temporada que acaba de terminar. Tampoco se involucra en la contratación de jugadores. Su mandato es algo más etéreo: sabe lo suficiente del deporte, relativamente poco, como para intentar cambiarlo. “Estamos empezando a hacernos la pregunta: ‘¿Por qué no intentamos jugar el fútbol de otra manera?’”, dice Graham.

El fútbol es la suma de miles de acciones individuales, pero el modelo de Graham solo puede evaluar pases, disparos y movimientos del balón que son descargables del resumen de un partido. “Todavía hay limitaciones fundamentales para los datos que tenemos”, explica. “Es como seguir viendo por un lente que está nublado”. Al concentrarse en que la versión matemática refleje más de lo que sucede en el campo —no solo que un defensa dio pase a un medio, sino con qué velocidad de golpe y cómo se recibió ese pase— Spearman intenta despejar esa bruma.

Ahora, está desarrollando un modelo que usa video y asigna puntajes a todos los jugadores, hasta cuando no están cerca del balón. “Cada acción, cuánto valor añade, qué tan bien la desempeñan”, dijo Spearman. “Cuando tienes eso puedes empezar a crear nuevos enfoques”. Sería posible planear toda la jugada, como en la NFL.

El Liverpool venció al Tottenham con este enfoque. Su segundo lugar en la Premier podría interpretarse como la confirmación de que el análisis de datos solo llega hasta cierto punto. Si el fútbol fuera solo una cosecha, bastaría meter datos en un algoritmo para saber qué hacer. Pero es un deporte impredecible. Es lo que lo mantiene fascinante. Está lleno de planes perfectos frustrados por  imperfecciones humanas las vicisitudes de la suerte.

Claro que de eso se trata la probabilidad. Hasta cuando se calculan cuidadosamente las posibilidades, y las opciones son sopesadas con atención, puede colarse un número equivocado. El equipo que gana no siempre es el que tiene los cálculos más elegantes o predichos por modelos. Eso tal vez frustre a los analistas, pero es lo que hace al juego tan hermoso.


©The New York Times 2019

Periodista freelance. Su trabajo aparece en el New York Times, CNN, Forbes y el Wall Street Journal, entre otros.